CN110750723B - 一种基于制造任务流程的刀具选配组合推荐方法 - Google Patents

一种基于制造任务流程的刀具选配组合推荐方法 Download PDF

Info

Publication number
CN110750723B
CN110750723B CN201911010392.9A CN201911010392A CN110750723B CN 110750723 B CN110750723 B CN 110750723B CN 201911010392 A CN201911010392 A CN 201911010392A CN 110750723 B CN110750723 B CN 110750723B
Authority
CN
China
Prior art keywords
cutter
manufacturing task
manufacturing
ith
combinations
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911010392.9A
Other languages
English (en)
Other versions
CN110750723A (zh
Inventor
梁波
韩素青
高洁
穆晓芳
郭炳
史颖
解智涵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiyuan Normal University
Original Assignee
Taiyuan Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taiyuan Normal University filed Critical Taiyuan Normal University
Priority to CN201911010392.9A priority Critical patent/CN110750723B/zh
Publication of CN110750723A publication Critical patent/CN110750723A/zh
Application granted granted Critical
Publication of CN110750723B publication Critical patent/CN110750723B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Manufacturing & Machinery (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及刀具资源使用及服务质量评估技术，具体是一种基于制造任务流程的刀具选配组合推荐方法。本发明解决了在传统的刀具资源管理平台中使用者无法根据多种制造任务流程来选配刀具并进行最佳组合推荐的问题。一种基于制造任务流程的刀具选配组合推荐方法，该方法是采用如下步骤实现的：步骤S1：针对发布的每种制造任务，构建制造任务描述模型；步骤S2：针对云平台上的每种刀具，构建刀具描述模型；步骤S3：针对发布的第i个制造任务，将第i个制造任务的对象材料与每个刀具的工件材料进行匹配，由此得到与第i个制造任务初步匹配的刀具集；步骤S4：将第i个制造任务的切削深度、切削速度、进给速度分别赋值给变量xi,0(1)、变量xi,0(2)、变量xi,0(3)。本发明适用于云制造。

Description

一种基于制造任务流程的刀具选配组合推荐方法
技术领域
本发明涉及刀具资源使用及服务质量评估技术，具体是一种基于制造任务流程的刀具选配组合推荐方法。
背景技术
在云制造的环境下，企业所发布的制造任务具有多种描述方式，根据所属企业、任务目的、加工要求的不同，制造任务的描述结构也不同。同样，刀具资源的描述结构也随着企业、参考标准、语义的不同而不同。在传统的刀具资源管理平台中，由于无法将制造任务的描述结构与刀具资源的描述结构进行统一，导致使用者无法根据多种制造任务流程(制造任务流程具有四种基本形式：串行、并行、选择、循环)来选配刀具并进行最佳组合推荐。基于此，有必要发明一种全新的方法，以解决在传统的刀具资源管理平台中使用者无法根据多种制造任务流程来选配刀具并进行最佳组合推荐的问题。
发明内容
本发明为了解决在传统的刀具资源管理平台中使用者无法根据多种制造任务流程来选配刀具并进行最佳组合推荐的问题，提供了一种基于制造任务流程的刀具选配组合推荐方法。
本发明是采用如下技术方案实现的：
一种基于制造任务流程的刀具选配组合推荐方法，该方法是采用如下步骤实现的：
步骤S1：针对发布的每种制造任务，构建制造任务描述模型；
所述制造任务描述模型包括：制造任务编号、制造任务属性、工艺属性和网络属性；
所述制造任务属性包括：加工对象、对象材料、刀具类型和发布者编号；
所述工艺属性包括：切削深度、切削速度、进给速度和加工面类型；
所述网络属性包括：结构说明、前制造任务编号、后制造任务编号和流程中所属位置；
步骤S2：针对云平台上的每种刀具，构建刀具描述模型；
所述刀具描述模型包括：刀具编码、基本属性、质量属性和工艺属性；
所述基本属性包括：刀具名、工作空间、刀具提供者和提供者地址；
所述质量属性包括：刀具状态、花费时间、花费费用、可信度和工件材料；
所述工艺属性包括：切削深度、切削速度、进给速度和加工面类型；
步骤S3：针对发布的第i个制造任务，将第i个制造任务的对象材料与每个刀具的工件材料进行匹配，由此得到与第i个制造任务初步匹配的刀具集；
步骤S4：将第i个制造任务的切削深度、切削速度、进给速度分别赋值给变量xi,0(1)、变量xi,0(2)、变量xi,0(3)；
步骤S5：将与第i个制造任务初步匹配的刀具集中的第j个刀具的切削深度、切削速度、进给速度分别赋值给变量xi,j(1)、变量xi,j(2)、变量xi,j(3)；
步骤S6：将变量xi,0(1)、变量xi,0(2)、变量xi,0(3)转换为制造任务属性无因次数
Figure GDA0003531436690000021
将变量xi,j(1)、变量xi,j(2)、变量xi,j(3)转换为刀具属性无因次数
Figure GDA0003531436690000022
具体转换公式如下：
Figure GDA0003531436690000023
Figure GDA0003531436690000024
Xi,max(k)＝max(xi,1(k),xi,2(k),....xi,w(k))；
Xi,min(k)＝min(xi,1(k),xi,2(k),....xi,w(k))；
式中：k＝1,2,3；w表示与第i个制造任务匹配的刀具集中的刀具数量；
步骤S7：将第i个制造任务与与第i个制造任务初步匹配的刀具集中的每个刀具进行余弦相似度分析；具体分析公式如下：
Figure GDA0003531436690000031
式中：Xi,j＝{xi,j(1)，xi,j(2)，xi,j(3)}；sim(Xi,j)的取值范围为[-1,1]；若sim(Xi,j)>0，则表明第j个刀具与第i个制造任务属性相关，由此得到与第i个制造任务属性相关的刀具集；
步骤S8：将第i个制造任务的加工面类型与与第i个制造任务属性相关的刀具集中的每个刀具的加工面类型进行匹配，由此得到与第i个制造任务最终匹配的刀具集；
步骤S9：循环执行S4～S8，由此得到与每个制造任务最终匹配的刀具集；
步骤S10：将发布的全部制造任务处理成四种制造任务流程：串行制造任务流程、并行制造任务流程、选择制造任务流程、循环制造任务流程，并将与每个制造任务最终匹配的刀具集进行流程标记；
步骤S11：从串行制造任务流程对应的每个刀具集中选择一个刀具进行组合，并计算得到的全部刀具组合的适应度函数值fun(com_s(n1))；
步骤S12：从并行制造任务流程对应的每个刀具集中选择一个刀具进行组合，并计算得到的全部刀具组合的适应度函数值fun(com_p(n2))；
步骤S13：从选择制造任务流程对应的每个刀具集中选择一个刀具进行组合，并计算得到的全部刀具组合的适应度函数值fun(com_se(n3))；
步骤S14：从循环制造任务流程对应的每个刀具集中选择一个刀具进行组合，并根据适应度函数值fun(com_s(n1))、适应度函数值fun(com_p(n2))、适应度函数值fun(com_se(n3))及循环次数计算得到的全部刀具组合的适应度函数值fun(com_c(n4))；
步骤S15：从步骤S11得到的全部刀具组合、步骤S12得到的全部刀具组合、步骤S13得到的全部刀具组合、步骤S14得到的全部刀具组合中分别选择一个刀具组合进行二次组合，得到的全部二次组合构成二次组合集，然后计算二次组合集中全部二次组合的适应度函数值fun(q)；具体计算公式如下：
fun(q)＝fun(com_s(n1))+fun(com_p(n2))+fun(com_se(n3))+fun(com_c(n4))；
然后，从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群，并按照适应度函数值对初始种群中的每个刀具组合进行排序；
步骤S16：利用轮盘赌选择法在初始种群中选择一个刀具组合，再在初始种群中选择适应度函数值最大的一个刀具组合；
步骤S17：将选择出的两个刀具组合进行基因隔位交叉；
步骤S18：在基因隔位交叉后的两个刀具组合中分别选择适应度函数值最小的基因，并在该基因对应的刀具集中选择一个刀具对其进行替换，由此对基因隔位交叉后的两个刀具组合进行变异；
步骤S19：分别计算选择出的两个刀具组合和变异后的两个刀具组合的适应度函数值，并将适应度函数值最大的两个刀具组合写入种群，然后将选择出的两个刀具组合从种群中删除；
步骤S20：循环执行步骤S17～S19多次后，计算种群中全部刀具组合的适应度函数值，并选取适应度函数值最大的一个刀具组合作为最佳推荐。
本发明所述的一种基于制造任务流程的刀具选配组合推荐方法基于全新原理，使得制造任务的描述结构与刀具资源的描述结构实现了统一，由此使得使用者能够根据多种制造任务流程来选配刀具并进行最佳组合推荐。
本发明有效解决了在传统的刀具资源管理平台中使用者无法根据多种制造任务流程来选配刀具并进行最佳组合推荐的问题，适用于云制造。
附图说明
图1是本发明中步骤S11～S14的示意图。
具体实施方式
一种基于制造任务流程的刀具选配组合推荐方法，该方法是采用如下步骤实现的：
步骤S1：针对发布的每种制造任务，构建制造任务描述模型；
所述制造任务描述模型包括：制造任务编号、制造任务属性、工艺属性和网络属性；
所述制造任务属性包括：加工对象、对象材料、刀具类型和发布者编号；
所述工艺属性包括：切削深度、切削速度、进给速度和加工面类型；
所述网络属性包括：结构说明、前制造任务编号、后制造任务编号和流程中所属位置；
步骤S2：针对云平台上的每种刀具，构建刀具描述模型；
所述刀具描述模型包括：刀具编码、基本属性、质量属性和工艺属性；
所述基本属性包括：刀具名、工作空间、刀具提供者和提供者地址；
所述质量属性包括：刀具状态、花费时间、花费费用、可信度和工件材料；
所述工艺属性包括：切削深度、切削速度、进给速度和加工面类型；
步骤S3：针对发布的第i个制造任务，将第i个制造任务的对象材料与每个刀具的工件材料进行匹配，由此得到与第i个制造任务初步匹配的刀具集；
步骤S4：将第i个制造任务的切削深度、切削速度、进给速度分别赋值给变量xi,0(1)、变量xi,0(2)、变量xi,0(3)；
步骤S5：将与第i个制造任务初步匹配的刀具集中的第j个刀具的切削深度、切削速度、进给速度分别赋值给变量xi,j(1)、变量xi,j(2)、变量xi,j(3)；
步骤S6：将变量xi,0(1)、变量xi,0(2)、变量xi,0(3)转换为制造任务属性无因次数
Figure GDA0003531436690000061
将变量xi,j(1)、变量xi,j(2)、变量xi,j(3)转换为刀具属性无因次数
Figure GDA0003531436690000062
具体转换公式如下：
Figure GDA0003531436690000063
Figure GDA0003531436690000064
Xi,max(k)＝max(xi,1(k),xi,2(k),....xi,w(k))；
Xi,min(k)＝min(xi,1(k),xi,2(k),....xi,w(k))；
式中：k＝1,2,3；w表示与第i个制造任务匹配的刀具集中的刀具数量；
步骤S7：将第i个制造任务与与第i个制造任务初步匹配的刀具集中的每个刀具进行余弦相似度分析；具体分析公式如下：
Figure GDA0003531436690000065
式中：Xi,j＝{xi,j(1)，xi,j(2)，xi,j(3)}；sim(Xi,j)的取值范围为[-1,1]；若sim(Xi,j)>0，则表明第j个刀具与第i个制造任务属性相关，由此得到与第i个制造任务属性相关的刀具集；
步骤S8：将第i个制造任务的加工面类型与与第i个制造任务属性相关的刀具集中的每个刀具的加工面类型进行匹配，由此得到与第i个制造任务最终匹配的刀具集；
步骤S9：循环执行S4～S8，由此得到与每个制造任务最终匹配的刀具集；
步骤S10：将发布的全部制造任务处理成四种制造任务流程：串行制造任务流程、并行制造任务流程、选择制造任务流程、循环制造任务流程，并将与每个制造任务最终匹配的刀具集进行流程标记；
步骤S11：从串行制造任务流程对应的每个刀具集中选择一个刀具进行组合，并计算得到的全部刀具组合的适应度函数值fun(com_s(n1))；
步骤S12：从并行制造任务流程对应的每个刀具集中选择一个刀具进行组合，并计算得到的全部刀具组合的适应度函数值fun(com_p(n2))；
步骤S13：从选择制造任务流程对应的每个刀具集中选择一个刀具进行组合，并计算得到的全部刀具组合的适应度函数值fun(com_se(n3))；
步骤S14：从循环制造任务流程对应的每个刀具集中选择一个刀具进行组合，并根据适应度函数值fun(com_s(n1))、适应度函数值fun(com_p(n2))、适应度函数值fun(com_se(n3))及循环次数计算得到的全部刀具组合的适应度函数值fun(com_c(n4))；
步骤S15：从步骤S11得到的全部刀具组合、步骤S12得到的全部刀具组合、步骤S13得到的全部刀具组合、步骤S14得到的全部刀具组合中分别选择一个刀具组合进行二次组合，得到的全部二次组合构成二次组合集，然后计算二次组合集中全部二次组合的适应度函数值fun(q)；具体计算公式如下：
fun(q)＝fun(com_s(n1))+fun(com_p(n2))+fun(com_se(n3))+fun(com_c(n4))；
然后，从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群，并按照适应度函数值对初始种群中的每个刀具组合进行排序；
步骤S16：利用轮盘赌选择法在初始种群中选择一个刀具组合，再在初始种群中选择适应度函数值最大的一个刀具组合；
步骤S17：将选择出的两个刀具组合进行基因隔位交叉；
步骤S18：在基因隔位交叉后的两个刀具组合中分别选择适应度函数值最小的基因，并在该基因对应的刀具集中选择一个刀具对其进行替换，由此对基因隔位交叉后的两个刀具组合进行变异；
步骤S19：分别计算选择出的两个刀具组合和变异后的两个刀具组合的适应度函数值，并将适应度函数值最大的两个刀具组合写入种群，然后将选择出的两个刀具组合从种群中删除；
步骤S20：循环执行步骤S17～S19多次后，计算种群中全部刀具组合的适应度函数值，并选取适应度函数值最大的一个刀具组合作为最佳推荐。
所述步骤S11中，适应度函数值fun(com_s(n1))的计算公式如下：
Figure GDA0003531436690000081
式中：com_s(n1)表示串行制造任务流程对应的第n1个刀具组合；m表示当前制造任务流程中的制造任务数量；l表示当前制造任务流程中的制造任务序数；T(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费时间；C(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费费用；Rel(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具的可信度；a,b,c均表示权值。
所述步骤S12中，适应度函数值fun(com_p(n2))的计算公式如下：
Figure GDA0003531436690000082
式中：com_p(n2)表示并行制造任务流程对应的第n2个刀具组合；m表示当前制造任务流程中的制造任务数量；l表示当前制造任务流程中的制造任务序数；T(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费时间；C(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费费用；Rel(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具的可信度；a,b,c均表示权值。
所述步骤S13中，适应度函数值fun(com_se(n3))的计算公式如下：
Figure GDA0003531436690000083
式中：com_se(n3)表示选择制造任务流程对应的第n3个刀具组合；γs表示选择第s个制造任务分支的概率；u表示当前制造任务流程中的制造任务分支数量；m表示当前制造任务分支中的制造任务数量；l表示当前制造任务分支中的制造任务序数；T(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费时间；C(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费费用；Rel(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具的可信度；a,b,c均表示权值。

Claims (4)

1.一种基于制造任务流程的刀具选配组合推荐方法，其特征在于：该方法是采用如下步骤实现的：
步骤S1：针对发布的每种制造任务，构建制造任务描述模型；
所述制造任务描述模型包括：制造任务编号、制造任务属性、工艺属性和网络属性；
所述制造任务属性包括：加工对象、对象材料、刀具类型和发布者编号；
所述工艺属性包括：切削深度、切削速度、进给速度和加工面类型；
所述网络属性包括：结构说明、前制造任务编号、后制造任务编号和流程中所属位置；
步骤S2：针对云平台上的每种刀具，构建刀具描述模型；
所述刀具描述模型包括：刀具编码、基本属性、质量属性和工艺属性；
所述基本属性包括：刀具名、工作空间、刀具提供者和提供者地址；
所述质量属性包括：刀具状态、花费时间、花费费用、可信度和工件材料；
所述工艺属性包括：切削深度、切削速度、进给速度和加工面类型；
步骤S3：针对发布的第i个制造任务，将第i个制造任务的对象材料与每个刀具的工件材料进行匹配，由此得到与第i个制造任务初步匹配的刀具集；
步骤S4：将第i个制造任务的切削深度、切削速度、进给速度分别赋值给变量xi,0(1)、变量xi,0(2)、变量xi,0(3)；
步骤S5：将与第i个制造任务初步匹配的刀具集中的第j个刀具的切削深度、切削速度、进给速度分别赋值给变量xi,j(1)、变量xi,j(2)、变量xi,j(3)；
步骤S6：将变量xi,0(1)、变量xi,0(2)、变量xi,0(3)转换为制造任务属性无因次数
Figure FDA0003531436680000011
将变量xi,j(1)、变量xi,j(2)、变量xi,j(3)转换为刀具属性无因次数
Figure FDA0003531436680000012
具体转换公式如下：
Figure FDA0003531436680000021
Figure FDA0003531436680000022
Xi,max(k)＝max(xi,1(k),xi,2(k),....xi,w(k))；
Xi,min(k)＝min(xi,1(k),xi,2(k),....xi,w(k))；
式中：k＝1,2,3；w表示与第i个制造任务匹配的刀具集中的刀具数量；
步骤S7：将第i个制造任务与第i个制造任务初步匹配的刀具集中的每个刀具进行余弦相似度分析；具体分析公式如下：
Figure FDA0003531436680000023
式中：Xi,j＝{xi,j(1)，xi,j(2)，xi,j(3)}；sim(Xi,j)的取值范围为[-1,1]；若sim(Xi,j)>0，则表明第j个刀具与第i个制造任务属性相关，由此得到与第i个制造任务属性相关的刀具集；
步骤S8：将第i个制造任务的加工面类型与第i个制造任务属性相关的刀具集中的每个刀具的加工面类型进行匹配，由此得到与第i个制造任务最终匹配的刀具集；
步骤S9：循环执行S4～S8，由此得到与每个制造任务最终匹配的刀具集；
步骤S10：将发布的全部制造任务处理成四种制造任务流程：串行制造任务流程、并行制造任务流程、选择制造任务流程、循环制造任务流程，并将与每个制造任务最终匹配的刀具集进行流程标记；
步骤S11：从串行制造任务流程对应的每个刀具集中选择一个刀具进行组合，并计算得到的全部刀具组合的适应度函数值fun(com_s(n1))；
步骤S12：从并行制造任务流程对应的每个刀具集中选择一个刀具进行组合，并计算得到的全部刀具组合的适应度函数值fun(com_p(n2))；
步骤S13：从选择制造任务流程对应的每个刀具集中选择一个刀具进行组合，并计算得到的全部刀具组合的适应度函数值fun(com_se(n3))；
步骤S14：从循环制造任务流程对应的每个刀具集中选择一个刀具进行组合，并根据适应度函数值fun(com_s(n1))、适应度函数值fun(com_p(n2))、适应度函数值fun(com_se(n3))及循环次数计算得到的全部刀具组合的适应度函数值fun(com_c(n4))；
步骤S15：从步骤S11得到的全部刀具组合、步骤S12得到的全部刀具组合、步骤S13得到的全部刀具组合、步骤S14得到的全部刀具组合中分别选择一个刀具组合进行二次组合，得到的全部二次组合构成二次组合集，然后计算二次组合集中全部二次组合的适应度函数值fun(q)；具体计算公式如下：
fun(q)＝fun(com_s(n1))+fun(com_p(n2))+fun(com_se(n3))+fun(com_c(n4))；
然后，从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群，并按照适应度函数值对初始种群中的每个刀具组合进行排序；
步骤S16：利用轮盘赌选择法在初始种群中选择一个刀具组合，再在初始种群中选择适应度函数值最大的一个刀具组合；
步骤S17：将选择出的两个刀具组合进行基因隔位交叉；
步骤S18：在基因隔位交叉后的两个刀具组合中分别选择适应度函数值最小的基因，并在该基因对应的刀具集中选择一个刀具对其进行替换，由此对基因隔位交叉后的两个刀具组合进行变异；
步骤S19：分别计算选择出的两个刀具组合和变异后的两个刀具组合的适应度函数值，并将适应度函数值最大的两个刀具组合写入种群，然后将选择出的两个刀具组合从种群中删除；
步骤S20：循环执行步骤S17～S19多次后，计算种群中全部刀具组合的适应度函数值，并选取适应度函数值最大的一个刀具组合作为最佳推荐。
2.根据权利要求1所述的一种基于制造任务流程的刀具选配组合推荐方法，其特征在于：所述步骤S11中，适应度函数值fun(com_s(n1))的计算公式如下：
Figure FDA0003531436680000041
式中：com_s(n1)表示串行制造任务流程对应的第n1个刀具组合；m表示当前制造任务流程中的制造任务数量；l表示当前制造任务流程中的制造任务序数；T(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费时间；C(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费费用；Rel(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具的可信度；a,b,c均表示权值。
3.根据权利要求1所述的一种基于制造任务流程的刀具选配组合推荐方法，其特征在于：所述步骤S12中，适应度函数值fun(com_p(n2))的计算公式如下：
Figure FDA0003531436680000042
式中：com_p(n2)表示并行制造任务流程对应的第n2个刀具组合；m表示当前制造任务流程中的制造任务数量；l表示当前制造任务流程中的制造任务序数；T(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费时间；C(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费费用；Rel(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具的可信度；a,b,c均表示权值。
4.根据权利要求1所述的一种基于制造任务流程的刀具选配组合推荐方法，其特征在于：所述步骤S13中，适应度函数值fun(com_se(n3))的计算公式如下：
Figure FDA0003531436680000051
式中：com_se(n3)表示选择制造任务流程对应的第n3个刀具组合；γs表示选择第s个制造任务分支的概率；u表示当前制造任务流程中的制造任务分支数量；m表示当前制造任务分支中的制造任务数量；l表示当前制造任务分支中的制造任务序数；T(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费时间；C(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具执行一次的花费费用；Rel(xi,j)表示与第i个制造任务最终匹配的刀具集中的第j个刀具的可信度；a,b,c均表示权值。
CN201911010392.9A 2019-10-23 2019-10-23 一种基于制造任务流程的刀具选配组合推荐方法 Active CN110750723B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911010392.9A CN110750723B (zh) 2019-10-23 2019-10-23 一种基于制造任务流程的刀具选配组合推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911010392.9A CN110750723B (zh) 2019-10-23 2019-10-23 一种基于制造任务流程的刀具选配组合推荐方法

Publications (2)

Publication Number Publication Date
CN110750723A CN110750723A (zh) 2020-02-04
CN110750723B true CN110750723B (zh) 2022-04-15

Family

ID=69279525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911010392.9A Active CN110750723B (zh) 2019-10-23 2019-10-23 一种基于制造任务流程的刀具选配组合推荐方法

Country Status (1)

Country Link
CN (1) CN110750723B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679750A (zh) * 2017-09-30 2018-02-09 桂林电子科技大学 一种基于自适应系数遗传算法的云制造服务资源匹配方法
CN108093083A (zh) * 2018-01-10 2018-05-29 北京航空航天大学 云制造任务调度方法、装置及终端
CN109146160A (zh) * 2018-08-06 2019-01-04 河海大学常州校区 一种云制造资源服务调度方法
CN109933874A (zh) * 2019-03-01 2019-06-25 太原科技大学 一种基于灰色关联分析的刀具选配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100600648B1 (ko) * 2004-10-08 2006-07-18 한국생산기술연구원 자동공작장치용 최적가공 컨트롤러와 상기 컨트롤러가설치된 자동공작장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107679750A (zh) * 2017-09-30 2018-02-09 桂林电子科技大学 一种基于自适应系数遗传算法的云制造服务资源匹配方法
CN108093083A (zh) * 2018-01-10 2018-05-29 北京航空航天大学 云制造任务调度方法、装置及终端
CN109146160A (zh) * 2018-08-06 2019-01-04 河海大学常州校区 一种云制造资源服务调度方法
CN109933874A (zh) * 2019-03-01 2019-06-25 太原科技大学 一种基于灰色关联分析的刀具选配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An agent-based parallel approach for the job shop scheduling problem with genetic algorithms;Leila Asadzadeh;《 Mathematical and Computer Modelling》;20101231;全文 *
基于双重遗传算法的工件流与刀具流综合调度优化;赵丹等;《西南交通大学学报》;20101215;全文 *

Also Published As

Publication number Publication date
CN110750723A (zh) 2020-02-04

Similar Documents

Publication Publication Date Title
CN107451747B (zh) 基于自适应非支配遗传算法的车间调度系统及其工作方法
Ginting et al. Technical approach of TOPSIS in decision making
CN109902954B (zh) 一种基于工业大数据的柔性作业车间动态调度方法
CN101694572B (zh) 一种提供自评价的数控刀具智能选取方法
CN103559630A (zh) 一种基于客户属性及行为特征分析的客户细分方法
CN106843153B (zh) 面向工艺方案的可重用数控工艺映射方法
CN107944698B (zh) 面向云制造的制造需求与设备能力归一化建模方法
CN103106262B (zh) 文档分类、支持向量机模型生成的方法和装置
CN101271543A (zh) 一种应用了基于精英解池的遗传算法的生产排程系统和方法
CN105955962A (zh) 题目相似度的计算方法及装置
CN116109195B (zh) 一种基于图卷积神经网络的绩效评估方法及系统
CN109389321A (zh) 一种价格评估方法及装置
CN112949906B (zh) 工程造价定额换算的匹配方法、装置、设备及存储介质
CN111161804A (zh) 一种用于物种基因组学数据库的查询方法及系统
CN111144831A (zh) 一种适用于人员招聘的人选精准甄别系统及其甄别方法
CN103678513B (zh) 一种交互式的检索式生成方法及系统
CN110928261B (zh) 分布式异构流水车间的分布估计调度方法及系统
CN110750723B (zh) 一种基于制造任务流程的刀具选配组合推荐方法
CN116452373A (zh) 基于多目标遗传算法的街区建筑体量智能生成方法与系统
CN111160717A (zh) 一种企业创新潜力评估方法和装置
CN115840840A (zh) 一种学习关注重点的情境感知预案优选排序方法
Bouaziz et al. Optimization and selection of cutters for 3D pocket machining
CN112035978B (zh) 一种刀具参数优化设计方法及系统
CN110782082B (zh) 一种基于差分进化法的刀具组合推荐方法
CN114693265A (zh) 一种云切平台的供应链多用户对接方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant